Rejoignez nos newsletters quotidiennes et hebdomadaires pour les dernières mises à jour et du contenu exclusif sur la couverture de l’IA de pointe du secteur. Apprendre encore plus
Les opérations pétrolières et gazières génèrent une énorme quantité de données : une étude sismique au Nouveau-Mexique, par exemple, peut fournir un fichier d’un pétaoctet à lui seul.
« Transformer cela en une image avec laquelle vous pouvez prendre une décision est une opération de 100 exaflops », a déclaré Bill Braun. Chevron CIO, a déclaré au public lors de la cérémonie de cette année Transformation VB« C’est une quantité incroyable de calcul. »
Pour prendre en charge ce type de traitement de données, la multinationale pétrolière et gazière travaille avec des GPU depuis 2008, bien avant que de nombreuses autres industries n’aient besoin, ou même n’envisagent, ce type de puissance de traitement pour des charges de travail complexes.
Chevron profite désormais des dernières avancées IA générative des outils pour tirer encore plus d’informations et de valeur de ses énormes ensembles de données.
« L’IA est parfaitement adaptée aux entreprises établies à grande échelle disposant d’énormes ensembles de données. C’est exactement l’outil dont nous avons besoin », a déclaré Braun.
Tirer des enseignements des données du bassin permien
Mais ce ne sont pas seulement les entreprises individuelles qui détiennent d’énormes quantités de données (et en constante augmentation) — Braun a souligné Projet de pétrole et de gaz du bassin permien dans l’ouest du Texas et le sud-est du Nouveau-Mexique.
Chevron est l’un des plus grands propriétaires fonciers du bassin, qui mesure environ 400 km de large et 480 km de long. Avec environ 20 milliards de barils restants, il comprend environ 40% de la production pétrolière et 15 % de la production de gaz naturel aux États-Unis
« Ils ont joué un rôle majeur dans l’histoire de la production américaine au cours de la dernière décennie », a déclaré Braun.
Il a noté que le « véritable joyau » est que le Commission des chemins de fer du Texas oblige tous les opérateurs à publier tout ce qu’ils font faire sur le site.
« Tout est public », a déclaré Braun. « Vous pouvez y avoir accès, tout comme vos concurrents. »
IA de génération peut être bénéfique ici, car il peut analyser d’énormes quantités de données et fournir rapidement des informations.
Dans l’ensemble, les ensembles de données accessibles au public « sont devenus une opportunité d’apprendre de vos concurrents, et si vous ne le faites pas, ils apprennent de vous », a déclaré Braun. « C’est un énorme accélérateur de la façon dont tout le monde apprend les uns des autres. »
Permettre une collaboration proactive et assurer la sécurité des humains
Chevron opère dans une zone vaste et distribuée, et même si les données sont bonnes à certains endroits, « elles ne sont pas disponibles sur toute l’étendue », a noté Braun. IA de génération peuvent être superposés sur ces différents points de données pour combler les lacunes sur la géologie entre eux.
« C’est l’application parfaite pour compléter le reste du modèle », a-t-il déclaré.
Cela peut être utile, par exemple, pour les puits de plusieurs kilomètres de long. D’autres entreprises pourraient travailler dans des zones proches de ces puits, et l’IA de génération pourrait alerter en cas d’interférence afin que les utilisateurs humains puissent intervenir de manière proactive pour éviter toute perturbation de l’une ou l’autre des parties, a expliqué Braun.
Chevron utilise également grands modèles de langage (LLM) pour élaborer des normes d’ingénierie, des spécifications, des bulletins de sécurité et d’autres alertes, a-t-il déclaré, et les scientifiques de l’IA peaufinent constamment les modèles.
« Si l’on doit avoir six constructions exactes, nous ne voulons pas que notre IA générative fasse preuve de créativité et en invente 12 », a-t-il déclaré. « Il faut les régler très précisément. »
L’équipe de Braun évalue également les meilleurs moyens d’informer les modèles en matière de géologie et d’équipement afin que, par exemple, l’IA puisse générer une estimation de l’emplacement du prochain bassin.
L’entreprise commence également à utiliser des modèles robotisés et Braun y voit une « formidable application » en matière de sécurité.
« L’idée est de confier les tâches dangereuses à des robots, tandis que les humains restent à distance et s’assurent que la tâche est bien exécutée », a-t-il déclaré. « En fait, confier cette tâche à des robots peut être moins coûteux et moins risqué. »
Brouiller les frontières entre des équipes autrefois disparates
Dans le secteur de l’énergie, les équipes sur le terrain et celles au bureau sont souvent cloisonnées, tant physiquement que numériquement. Chevron a travaillé dur pour tenter de combler ce fossé, a expliqué Braun. L’entreprise a intégré des équipes ensemble pour brouiller les pistes.
« Pour moi, ce sont les équipes les plus performantes. Lorsque l’ingénieur en apprentissage automatique parle d’un problème avec une pompe et que l’ingénieur en mécanique parle d’un problème avec l’algorithme et l’API, vous ne pouvez pas dire qui est qui », a-t-il déclaré.
Il y a quelques années, l’entreprise a également commencé à envoyer des ingénieurs à l’école pour obtenir des diplômes supérieurs en science des données et en ingénierie des systèmes afin de rafraîchir et de mettre à jour leurs compétences. Les data scientists – ou « spécialistes du numérique » – sont toujours intégrés aux équipes de travail « pour servir de catalyseur pour travailler différemment ».
« Nous avons franchi ce cap en termes de maturité », a déclaré Braun. « Nous avons commencé par de petites victoires et avons continué sur notre lancée. »
Données synthétiques et jumeaux numériques pour réduire les émissions de carbone
Bien entendu, dans le secteur de l’énergie comme dans tous les autres, l’impact environnemental est une préoccupation majeure. La séquestration du carbone – ou le processus de capture, d’élimination et de stockage permanent du CO2 – entre de plus en plus en jeu, a expliqué M. Braun.
Selon Braun, Chevron possède certaines des plus grandes installations de séquestration du carbone de la planète. Cependant, le processus est encore en évolution et l’industrie ne sait pas exactement comment les réservoirs contenant le carbone capturé se comporteront au fil du temps. Chevron a effectué des simulations de jumeaux numériques pour s’assurer que le carbone reste là où il est censé être, et a généré des données synthétiques pour faire ces prévisions.
L’énorme quantité d’énergie utilisée par les centres de données et l’IA est également un élément important à prendre en compte, a souligné M. Braun. La question de savoir comment gérer ces sites souvent éloignés « de la manière la plus propre possible » est toujours au cœur de la discussion, a-t-il déclaré.